科研之友
微信
新浪微博
Facebook
分享链接
摘要
为提高矿井涌水量预测的准确度，基于涌水量数据的不稳定性及随机性，提出一种自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN)、贝叶斯优化(Bayesian optimization, BO)与双向门控循环单元(bi-directional gated recurrent unit, BiGRU)相结合的矿井涌水量预测模型CEEMDAN-BO-BiGRU。所提模型通过CEEMDAN将涌水量数据分解为多个较平稳的固有模态分量(intrinsic mode function, IMF)和残差分量(residual components, Res),过滤数据噪声，提取数据不同时间尺度波动特征，降低预测误差。利用贝叶斯优化对BiGRU模型多个超参数进行迭代寻优，进一步提高模型的预测精度。之后对各分量进行超前1～3步预测，最终将各分量预测结果加和得到涌水量多步预测结果。以小庄煤矿矿井涌水量数据进行试验，并将CEEMDAN-BO-BiGRU预测结果与其他多种预测模型结果进行对比分析。结果表明：采用CEEMDAN-BO-BiGRU组合网络模型对矿井涌水量预测结果更准确，该方法对涌水量的短时预测提供了一种新思路。
- 单位
